Если вычислительная задача слишком большая или слишком медленная для локального компьютера, можно выгрузить вычисления в кластер на месте или в облаке, чтобы запустить код MATLAB ® с минимальными изменениями. Попробуйте Параллельно > Обнаружить кластеры на панели инструментов MATLAB, чтобы узнать, доступен ли кластер .
Если у вас уже есть кластер с планировщиком, вы можете интегрировать MATLAB с ним с помощью MATLAB Parallel Server™. Кроме того, если у вас нет существующего планировщика, то MATLAB Parallel Server предоставляет MATLAB Job Scheduler.
Обнаружение кластеров и использование профилей кластеров
Узнайте, как работать с профилями кластеров и находить облачные кластеры, работающие на Amazon EC2.
Масштабирование с рабочего стола на кластер
В этом примере показано, как разработать параллельный код MATLAB ® на локальном компьютере и масштабировать его до кластера .
Обработка больших данных в облаке
В этом примере показано, как получить доступ к большому набору данных в облаке и обработать его в облачном кластере с использованием возможностей MATLAB для больших данных.
Сравните ваш кластер с задачей высокопроизводительных вычислений
В этом примере показано, как оценить производительность вычислительного кластера с помощью теста HPC Challenge Benchmark.
Масштабирование глубокого обучения параллельно и в облаке (инструментарий глубокого обучения)
Варианты глубокого обучения с помощью MATLAB с использованием нескольких графических процессоров, локально или в облаке.
Глубокое обучение с помощью MATLAB на нескольких графических процессорах (инструментарий глубокого обучения)
Укажите несколько графических процессоров для использования локально или в облаке для обучения.
Сеть поездов с автоматической поддержкой нескольких графических процессоров
В этом примере показано, как использовать несколько графических процессоров на локальном компьютере для глубокого обучения с использованием автоматической параллельной поддержки.
Использование parfor для обучения нескольких сетей глубокого обучения
В этом примере показано, как использовать parfor цикл для выполнения сдвига параметров для опции обучения.
Использовать parfeval для обучения нескольких сетей глубокого обучения
В этом примере показано, как использовать parfeval для выполнения сдвига параметров на глубине сетевой архитектуры для сети глубокого обучения и извлечения данных во время обучения.
Параллельно тренировать сети глубокого обучения
В этом примере показано, как выполнять несколько экспериментов глубокого обучения на локальном компьютере.
Сеть поездов параллельно с индивидуальным контуром обучения
В этом примере показано, как настроить пользовательский цикл обучения для параллельного обучения сети.
Загрузка данных глубокого обучения в облако
В этом примере показано, как загрузить данные в ведро Amazon S3.
Отправить пакетное задание глубокого обучения в кластер
В этом примере показано, как отправлять пакетные задания глубокого обучения в кластер, чтобы можно было продолжить работу или закрыть MATLAB во время обучения.
Укажите параметры параллельности
Укажите настройки и автоматически создайте параллельный пул.
Сценарии подключаемых модулей для общих планировщиков
Как использовать сценарии плагинов для настройки общих планировщиков.
Задать переменные среды для работников
Копирование переменных системной среды из клиента в работников кластера.
Глубокое обучение параллельно и в облаке (инструментарий глубокого обучения)
Начало работы с параллельным сервером MATLAB (MATLAB Parallel Server)
